Articles de revues sur le sujet « EFFICIENT RECOMMENDER SYSTEMS »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs articles de revues pour votre recherche sur le sujet « EFFICIENT RECOMMENDER SYSTEMS ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les articles de revues sur diverses disciplines et organisez correctement votre bibliographie.
Ribeiro, Marco Tulio, Nivio Ziviani, Edleno Silva De Moura, Itamar Hata, Anisio Lacerda et Adriano Veloso. « Multiobjective Pareto-Efficient Approaches for Recommender Systems ». ACM Transactions on Intelligent Systems and Technology 5, no 4 (23 janvier 2015) : 1–20. http://dx.doi.org/10.1145/2629350.
Texte intégralHuang, Zhen Hua, Dong Wang et Sheng Li Sun. « Efficient Mining of Skyrank Items in Recommender Systems ». Advanced Materials Research 472-475 (février 2012) : 3450–54. http://dx.doi.org/10.4028/www.scientific.net/amr.472-475.3450.
Texte intégralHawashin, Bilal, Shadi Alzubi, Tarek Kanan et Ayman Mansour. « An efficient semantic recommender method forArabic text ». Electronic Library 37, no 2 (1 avril 2019) : 263–80. http://dx.doi.org/10.1108/el-12-2018-0245.
Texte intégralPasdar, Amirmohammad, Young Choon Lee, Tahereh Hassanzadeh et Khaled Almi’ani. « Resource Recommender for Cloud-Edge Engineering ». Information 12, no 6 (25 mai 2021) : 224. http://dx.doi.org/10.3390/info12060224.
Texte intégralJabbar, Muhammad, Qaisar Javaid, Muhammad Arif, Asim Munir et Ali Javed. « An Efficient and Intelligent Recommender System for Mobile Platform ». October 2018 37, no 4 (1 octobre 2018) : 463–80. http://dx.doi.org/10.22581/muet1982.1804.02.
Texte intégralRadlinski, Filip, Craig Boutilier, Deepak Ramachandran et Ivan Vendrov. « Subjective Attributes in Conversational Recommendation Systems : Challenges and Opportunities ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 11 (28 juin 2022) : 12287–93. http://dx.doi.org/10.1609/aaai.v36i11.21492.
Texte intégralLuo, Chenhong, Yong Wang, Bo Li, Hanyang Liu, Pengyu Wang et Leo Yu Zhang. « An Efficient Approach to Manage Natural Noises in Recommender Systems ». Algorithms 16, no 5 (27 avril 2023) : 228. http://dx.doi.org/10.3390/a16050228.
Texte intégralCui, Zeyu, Feng Yu, Shu Wu, Qiang Liu et Liang Wang. « Disentangled Item Representation for Recommender Systems ». ACM Transactions on Intelligent Systems and Technology 12, no 2 (mars 2021) : 1–20. http://dx.doi.org/10.1145/3445811.
Texte intégralVaidhehi, V., et R. Suchithra. « A Systematic Review of Recommender Systems in Education ». International Journal of Engineering & ; Technology 7, no 3.4 (25 juin 2018) : 188. http://dx.doi.org/10.14419/ijet.v7i3.4.16771.
Texte intégralHawashin, Bilal, Darah Aqel, Shadi Alzubi et Mohammad Elbes. « Improving Recommender Systems Using Co-Appearing and Semantically Correlated User Interests ». Recent Advances in Computer Science and Communications 13, no 2 (3 juin 2020) : 240–47. http://dx.doi.org/10.2174/2213275912666190115162311.
Texte intégralTorres, Nicolás, et Marcelo Mendoza. « Clustering Approaches for Top-k Recommender Systems ». International Journal on Artificial Intelligence Tools 28, no 05 (août 2019) : 1950019. http://dx.doi.org/10.1142/s0218213019500192.
Texte intégralThanh, Tran Thi. « A STUDY ON MOVIE RECOMMENDER SYSTEMS BASED ON WORDPRESS PLATFORM ». International Journal of Engineering Technologies and Management Research 7, no 6 (3 juillet 2020) : 152–55. http://dx.doi.org/10.29121/ijetmr.v7.i6.2020.709.
Texte intégralBen-Porat, Omer, Lee Cohen, Liu Leqi, Zachary C. Lipton et Yishay Mansour. « Modeling Attrition in Recommender Systems with Departing Bandits ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 6 (28 juin 2022) : 6072–79. http://dx.doi.org/10.1609/aaai.v36i6.20554.
Texte intégralLin, Dongding, Jian Wang et Wenjie Li. « COLA : Improving Conversational Recommender Systems by Collaborative Augmentation ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 4 (26 juin 2023) : 4462–70. http://dx.doi.org/10.1609/aaai.v37i4.25567.
Texte intégralLuo, Xin, Mengchu Zhou, Shuai Li, Yunni Xia, Zhuhong You, Qingsheng Zhu et Hareton Leung. « An Efficient Second-Order Approach to Factorize Sparse Matrices in Recommender Systems ». IEEE Transactions on Industrial Informatics 11, no 4 (août 2015) : 946–56. http://dx.doi.org/10.1109/tii.2015.2443723.
Texte intégralIndira, K., et M. K. Kavithadevi. « Efficient Machine Learning Model for Movie Recommender Systems Using Multi-Cloud Environment ». Mobile Networks and Applications 24, no 6 (16 octobre 2019) : 1872–82. http://dx.doi.org/10.1007/s11036-019-01387-4.
Texte intégralBoudaa, Boudjemaa, Djamila Figuir, Slimane Hammoudi et Sidi mohamed Benslimane. « DATAtourist ». International Journal of Decision Support System Technology 13, no 2 (avril 2021) : 62–84. http://dx.doi.org/10.4018/ijdsst.2021040104.
Texte intégralGhosh, Aritra, Saayan Mitra et Andrew Lan. « DiPS : Differentiable Policy for Sketching in Recommender Systems ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 6 (28 juin 2022) : 6703–12. http://dx.doi.org/10.1609/aaai.v36i6.20625.
Texte intégralBatra, Priya, Anukriti Singh et T. S. Mahesh. « Efficient Characterization of Quantum Evolutions via a Recommender System ». Quantum 5 (6 décembre 2021) : 598. http://dx.doi.org/10.22331/q-2021-12-06-598.
Texte intégralSarwat, Mohamed, Justin J. Levandoski, Ahmed Eldawy et Mohamed F. Mokbel. « LARS* : An Efficient and Scalable Location-Aware Recommender System ». IEEE Transactions on Knowledge and Data Engineering 26, no 6 (juin 2014) : 1384–99. http://dx.doi.org/10.1109/tkde.2013.29.
Texte intégralWang, Zehong, Jianhua Liu, Shigen Shen et Minglu Li. « Restaurant Recommendation in Vehicle Context Based on Prediction of Traffic Conditions ». International Journal of Pattern Recognition and Artificial Intelligence 35, no 10 (août 2021) : 2159044. http://dx.doi.org/10.1142/s0218001421590448.
Texte intégralJeong, Hanjo, et Kyung Jin CHA. « An Efficient MapReduce-Based Parallel Processing Framework for User-Based Collaborative Filtering ». Symmetry 11, no 6 (3 juin 2019) : 748. http://dx.doi.org/10.3390/sym11060748.
Texte intégralStarke, Alain, Martijn Willemsen et Chris Snijders. « Promoting Energy-Efficient Behavior by Depicting Social Norms in a Recommender Interface ». ACM Transactions on Interactive Intelligent Systems 11, no 3-4 (31 décembre 2021) : 1–32. http://dx.doi.org/10.1145/3460005.
Texte intégralDo, Virginie, Sam Corbett-Davies, Jamal Atif et Nicolas Usunier. « Online Certification of Preference-Based Fairness for Personalized Recommender Systems ». Proceedings of the AAAI Conference on Artificial Intelligence 36, no 6 (28 juin 2022) : 6532–40. http://dx.doi.org/10.1609/aaai.v36i6.20606.
Texte intégralBouni, Mohamed, Badr Hssina, Khadija Douzi et Samira Douzi. « Towards an Efficient Recommender Systems in Smart Agriculture : A deep reinforcement learning approach ». Procedia Computer Science 203 (2022) : 825–30. http://dx.doi.org/10.1016/j.procs.2022.07.124.
Texte intégralWang, Pengyu, Yong Wang, Leo Yu Zhang et Hong Zhu. « An effective and efficient fuzzy approach for managing natural noise in recommender systems ». Information Sciences 570 (septembre 2021) : 623–37. http://dx.doi.org/10.1016/j.ins.2021.05.002.
Texte intégralDrif, Ahlem, et Hocine Cherifi. « MIGAN : Mutual-Interaction Graph Attention Network for Collaborative Filtering ». Entropy 24, no 8 (5 août 2022) : 1084. http://dx.doi.org/10.3390/e24081084.
Texte intégralLiu, Lewis, et Kun Zhao. « Asynchronous Stochastic Gradient Descent for Extreme-Scale Recommender Systems ». Proceedings of the AAAI Conference on Artificial Intelligence 35, no 1 (18 mai 2021) : 328–35. http://dx.doi.org/10.1609/aaai.v35i1.16108.
Texte intégralChicaiza, Janneth, et Priscila Valdiviezo-Diaz. « A Comprehensive Survey of Knowledge Graph-Based Recommender Systems : Technologies, Development, and Contributions ». Information 12, no 6 (28 mai 2021) : 232. http://dx.doi.org/10.3390/info12060232.
Texte intégralStitini, O., S. Kaloun et O. Bencharef. « INVESTIGATING DIFFERENT SIMILARITY METRICS USED IN VARIOUS RECOMMENDER SYSTEMS TYPES : SCENARIO CASES ». International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences XLVIII-4/W3-2022 (2 décembre 2022) : 187–93. http://dx.doi.org/10.5194/isprs-archives-xlviii-4-w3-2022-187-2022.
Texte intégralYan, Surong, Kwei-Jay Lin, Xiaolin Zheng, Wenyu Zhang et Xiaoqing Feng. « An Approach for Building Efficient and Accurate Social Recommender Systems Using Individual Relationship Networks ». IEEE Transactions on Knowledge and Data Engineering 29, no 10 (1 octobre 2017) : 2086–99. http://dx.doi.org/10.1109/tkde.2017.2717984.
Texte intégralXin Luo, Mengchu Zhou, Yunni Xia et Qingsheng Zhu. « An Efficient Non-Negative Matrix-Factorization-Based Approach to Collaborative Filtering for Recommender Systems ». IEEE Transactions on Industrial Informatics 10, no 2 (mai 2014) : 1273–84. http://dx.doi.org/10.1109/tii.2014.2308433.
Texte intégralIbrahim, Muhammad, et Imran Bajwa. « Design and Application of a Multi-Variant Expert System Using Apache Hadoop Framework ». Sustainability 10, no 11 (19 novembre 2018) : 4280. http://dx.doi.org/10.3390/su10114280.
Texte intégralMaazouzi, Faiz, Hafed Zarzour et Yaser Jararweh. « An Effective Recommender System Based on Clustering Technique for TED Talks ». International Journal of Information Technology and Web Engineering 15, no 1 (janvier 2020) : 35–51. http://dx.doi.org/10.4018/ijitwe.2020010103.
Texte intégralLiu, Hanwen, Huaizhen Kou, Chao Yan et Lianyong Qi. « Keywords-Driven and Popularity-Aware Paper Recommendation Based on Undirected Paper Citation Graph ». Complexity 2020 (24 avril 2020) : 1–15. http://dx.doi.org/10.1155/2020/2085638.
Texte intégralnarayan, subhashini. « Multilayer Perceptron with Auto encoder enabled Deep Learning model for Recommender Systems ». Future Computing and Informatics Journal 5, no 2 (30 décembre 2020) : 96–116. http://dx.doi.org/10.54623/fue.fcij.5.2.3.
Texte intégralLiu, Hai, Chao Zheng, Duantengchuan Li, Xiaoxuan Shen, Ke Lin, Jiazhang Wang, Zhen Zhang, Zhaoli Zhang et Neal N. Xiong. « EDMF : Efficient Deep Matrix Factorization With Review Feature Learning for Industrial Recommender System ». IEEE Transactions on Industrial Informatics 18, no 7 (juillet 2022) : 4361–71. http://dx.doi.org/10.1109/tii.2021.3128240.
Texte intégralChen, Jiawei, Chengquan Jiang, Can Wang, Sheng Zhou, Yan Feng, Chun Chen, Martin Ester et Xiangnan He. « CoSam : An Efficient Collaborative Adaptive Sampler for Recommendation ». ACM Transactions on Information Systems 39, no 3 (22 mai 2021) : 1–24. http://dx.doi.org/10.1145/3450289.
Texte intégralNadimi-Shahraki, Mohammad-Hossein, et Mozhde Bahadorpour. « Cold-start Problem in Collaborative Recommender Systems : Efficient Methods Based on Ask-to-rate Technique ». Journal of Computing and Information Technology 22, no 2 (2014) : 105. http://dx.doi.org/10.2498/cit.1002223.
Texte intégralWei, Lingtao. « Communication Efficient Federated Personalized Recommendation ». Frontiers in Computing and Intelligent Systems 2, no 3 (13 février 2023) : 63–67. http://dx.doi.org/10.54097/fcis.v2i3.5214.
Texte intégralRrmoku, Korab, Besnik Selimi et Lule Ahmedi. « Provenance and social network analysis for recommender systems : a literature review ». International Journal of Electrical and Computer Engineering (IJECE) 12, no 5 (1 octobre 2022) : 5383. http://dx.doi.org/10.11591/ijece.v12i5.pp5383-5392.
Texte intégralCho, Gyungah, Pyoung-seop Shim et Jaekwang Kim. « Explainable B2B Recommender System for Potential Customer Prediction Using KGAT ». Electronics 12, no 17 (22 août 2023) : 3536. http://dx.doi.org/10.3390/electronics12173536.
Texte intégralKhan, Zeshan Aslam, Naveed Ishtiaq Chaudhary, Waqar Ali Abbasi, Sai Ho Ling et Muhammad Asif Zahoor Raja. « Design of Confidence-Integrated Denoising Auto-Encoder for Personalized Top-N Recommender Systems ». Mathematics 11, no 3 (2 février 2023) : 761. http://dx.doi.org/10.3390/math11030761.
Texte intégralIvanova, M. I. « Recommender systems in the public administration : methodological overview and conceptualization ». Journal of Law and Administration 17, no 2 (16 juillet 2021) : 61–69. http://dx.doi.org/10.24833/2073-8420-2021-2-59-61-69.
Texte intégralAgarwal, Vipul, et Vijayalakshmi A. « Recommender system for surplus stock clearance ». International Journal of Electrical and Computer Engineering (IJECE) 9, no 5 (1 octobre 2019) : 3813. http://dx.doi.org/10.11591/ijece.v9i5.pp3813-3821.
Texte intégralWang, Xixian, Xiaoming Wang, Binrui Huang, Mingzhan Dai et Jianwei Li. « Efficient Personalized Recommendation Based on Federated Learning with Similarity Ciphertext Calculation ». Security and Communication Networks 2022 (16 septembre 2022) : 1–15. http://dx.doi.org/10.1155/2022/8607234.
Texte intégralLe, Quang-Hung, Son-Lam Vu, Thi-Kim-Phuong Nguyen et Thi-Xinh Le. « A State-of-the-Art Survey on Context-Aware Recommender Systems and Applications ». International Journal of Knowledge and Systems Science 12, no 3 (juillet 2021) : 1–20. http://dx.doi.org/10.4018/ijkss.2021070101.
Texte intégralEt. al., Geluvaraj B,. « AMatrix factorization technique using parameter tuning of singular value decomposition for Recommender Systems ». Turkish Journal of Computer and Mathematics Education (TURCOMAT) 12, no 2 (10 avril 2021) : 3313–19. http://dx.doi.org/10.17762/turcomat.v12i2.2390.
Texte intégralNittu, Goutham, Singh Karan, Banda Latha, Sharma Purushottam, Verma Chaman et Goyal S. B. « ShAD-SEF : An Efficient Model for Shilling Attack Detection using Stacking Ensemble Framework in Recommender Systems ». International Journal of Performability Engineering 19, no 5 (2023) : 291. http://dx.doi.org/10.23940/ijpe.23.05.p1.291302.
Texte intégralHu, Kerui, Lemiao Qiu, Shuyou Zhang, Zili Wang, Naiyu Fang et Huifang Zhou. « A novel neighbor selection scheme based on dynamic evaluation towards recommender systems ». Science Progress 106, no 2 (avril 2023) : 003685042311800. http://dx.doi.org/10.1177/00368504231180090.
Texte intégral